Математическая задача номер 1196, сформулированная Палом Эрдешем, Андрашем Саркози и Эндре Семереди еще в 1968 году, официально капитулировала. Проблема плотности примитивных множеств оставалась нерешенной 56 лет, пока за нее не взялась GPT-5.4 Pro. Результаты обескураживают скептиков: модели потребовалось всего 80 минут на формирование структуры доказательства и еще полчаса на оформление в LaTeX. Для сравнения: математик Джаред Дьюкер Лихтман, получивший доказательство, посвятил этой задаче семь лет своей жизни. Контраст между человеческим циклом исследований и машинным временем указывает на фундаментальный фазовый переход в системах рассуждений (Reasoning).
Механика успеха GPT-5.4 Pro лежит за пределами простого перебора формул. Как отмечает Теренс Тао, модель предложила нестандартный синтез знаний, связав структуру целых чисел с теорией марковских процессов. В то время как академическое сообщество десятилетиями буксовало на жестких аналитических оценках и комбинаторике, алгоритм применил вероятностный подход через цепи Маркова. Это решение уже называют «Book proof» — термином, обозначающим высшую степень элегантности мысли. Аналогия с 37-м ходом AlphaGo в матче против Ли Седоля здесь более чем уместна: то, что профессионалы изначально принимают за ошибку, оказывается новой логической вехой, недоступной человеческой интуиции.
Для бизнеса этот прецедент закрывает дискуссию о «галлюцинациях» и ненадежности нейросетей в строгих дисциплинах. Если модель за полтора часа разрешает фундаментальный кризис в теории чисел, то вопрос доверия к ней в архитектуре финтех-систем или сложном операционном моделировании закрыт. Мы наблюдаем превращение ИИ из продвинутого Т9 в автономного логического агента, способного находить оптимальные пути там, где классические системы поддержки принятия решений упираются в потолок заложенных правил. Эпоха, когда критическую логику доверяли только людям ради «нелинейного мышления», завершена: алгоритмы теперь мыслят нелинейнее и точнее.
Признание доказательства золотым стандартом со стороны Теренса Тао легитимизирует использование LLM в критической инженерии и финансовом планировании. Для CEO и R&D-директоров это прямой сигнал к замене жестких аналитических систем на рассуждающие модели. Они способны оптимизировать бизнес-цепочки с эффективностью, недоступной штату аналитиков, и делать это без поправки на человеческий фактор.